执行摘要

2026 年 5 月 15 日，阿里旗下千问 APP 宣布与国家药监局信息中心正式达成合作，全量接入数百万份药品、化妆品、医疗器械权威数据。这一事件标志着国内通用 AI 平台首次获得国家级药品监管数据的直接授权，将 AI 健康咨询从「概率性生成」推入「权威数据驱动」的新阶段。

核心 Takeaways

• 权威数据是健康 AI 的信任基石: 国家药监局数据授权让千问从「可能正确」升级为「有据可查」，这是通用 AI 进入医疗场景的关键门槛
• 阿里健康生态形成「三线并进」格局: 千问定位通用 AI 超级入口，蚂蚁阿福深耕垂直健康，阿里健康承接医药电商闭环，三者各有分工
• 「免费 + 生态导流」是当前阶段的核心策略: 千问健康功能完全免费，通过为阿里系产品导流实现商业价值，估算年化引流收入 358 亿元

千问 APP: 从通用 AI 到健康超级入口

千问 APP 是阿里巴巴面向 C 端用户的旗舰 AI 应用，基于通义千问系列大模型。从 2024 年底上线至今，已从一个通用对话工具成长为覆盖健康、教育、办公等多场景的综合性 AI 超级入口。

增长轨迹

根据 QuestMobile 数据，千问 APP 在 2026 年 3 月月活用户达到 1.65 亿，同比增长 4241%，日活约 7,352 万。另有报道引用 2.03 亿月活数据，全球 AI 应用排名第三。这一增速在所有 AI 应用中属于现象级表现。

健康功能的战略地位

健康是千问 APP 最具差异化的垂直方向之一。与通用问答不同，健康咨询对准确性和权威性要求极高 — 一次错误的用药建议可能造成直接的身体伤害。这使得千问在健康领域的布局必须解决一个根本问题: 如何让用户信任 AI 给出的健康建议。

功能矩阵

国家药监局合作: 里程碑事件

2026 年 5 月 14 日签约、5 月 15 日官宣 — 千问 APP 与国家药监局信息中心的合作，是国内通用 AI 平台首次获得国家级药品监管数据的直接授权。这不是一次简单的数据接口对接，而是政策导向与产业需求深度契合的标志性事件。

合作内容

千问 APP 全量接入国家药监局信息中心的三大类权威数据:

合作的政策背景

此次合作并非孤立事件。2026 年 4 月 2 日，国家药监局发布了《关于「人工智能 + 药品监管」的实施意见》，明确了 2030 年建成智慧监管体系的战略目标，覆盖七大场景。千问与药监局的合作正是这一政策框架下的首批落地项目。

图 1 · 数据合作架构: 国家药监局信息中心向千问 APP 提供三大类权威数据的流转关系

为什么选择千问?

从公开信息推断，药监局选择千问有三方面原因。第一，千问 APP 拥有 1.65 亿月活用户，覆盖面远超其他 AI 应用，能让监管数据最大化触达公众。第二，阿里系在医疗健康领域已有完整生态布局，数据接入后可直接嵌入服务闭环。第三，千问的多模态能力，特别是视觉理解能力，使其能处理药品说明书拍照识别等场景，而非仅做文本问答。

「拍照问健康」: 多模态技术突破

2026 年 5 月 21 日，千问 APP 的「拍照问健康」功能迎来重大升级。这不是简单的 OCR 文字识别，而是从「看图识字」到「看图诊断」的质变 — AI 可以像医生一样观察医学图像，圈出异常区域，调用专业知识库进行逐步推理。

技术流程

升级后的「拍照问健康」遵循一套类临床的推理流程: 首先识别并圈出图像中的异常区域，然后调用专业医学知识库匹配可能的病因，接着结合用户的背景信息进行逐步推理，最终给出可视化的参考建议。整个推理过程对用户透明可见。

图 2 · 「拍照问健康」推理流程: 从图像输入到结构化健康建议的四步闭环

应用场景

使用数据

根据公开报道，千问健康功能日均回应数千万次健康咨询，其中平均每日回复超 60 万次「不要担心」 — 这个数字本身就说明了用户的核心需求: 不只是诊断，更是心理安慰。大量用户带着焦虑提问，而 AI 的价值在于用专业知识给出可靠的安全判断。

阿里健康生态: 三线并进格局

阿里系在健康 AI 领域的布局并非千问一家独大，而是形成了千问、蚂蚁阿福、阿里健康三条业务线并行的格局。理解三者的分工与协同关系，是判断千问健康战略定位的关键。

图 3 · 阿里健康生态「三线并进」: 千问、蚂蚁阿福、阿里健康各有定位与协同

三条业务线的定位

协同模式: 「千问挑大梁，阿福供内容」

根据公开报道，千问与蚂蚁阿福之间的协同可以概括为: 千问提供通用 AI 能力和用户入口，阿福提供垂直健康内容和医生资源。用户在千问上发起健康咨询，深度诊疗需求可以被引导至阿福平台，而阿福的药品购买需求则可以通过阿里健康完成交易闭环。

值得关注的是，蚂蚁阿福在 2025 年收购了好大夫在线，并推出了「百大 AI 名医」计划，构建了强大的医生资源壁垒。这意味着在阿里系内部，千问的角色更偏向前端流量入口，而非深度医疗服务提供者。

技术底座: Qwen 多模态大模型

千问健康功能的技术基础是通义千问系列大模型，特别是 Qwen-VL 多模态视觉语言能力。与纯文本健康咨询不同，多模态能力使千问能够处理药品照片、体检报告、皮肤图像等视觉信息，这是其在健康领域的核心技术壁垒。

Qwen 系列模型能力矩阵

数据融合架构

千问健康功能的数据来源分为三层: 底层是 Qwen 大模型的预训练知识库，提供通用医学常识; 中间层是 NMPA 等权威数据源的实时接入，提供可验证的药品、器械信息; 上层是用户交互上下文，包括历史对话和拍照输入。三层数据的融合使千问能够同时做到「知识广」和「信息准」。

商业模式与变现路径

千问健康功能目前对 C 端用户完全免费。这并非没有商业考量 — 相反，免费策略是阿里系「前端 AI 获客、后端生态变现」大战略的核心环节。

变现路径: 生态导流

千问 APP 的核心商业逻辑不是直接向用户收费，而是通过 AI 能力为阿里系产品导流。用户在千问上咨询健康问题，自然延伸出购药需求 (导向阿里健康)、深度诊疗需求 (导向蚂蚁阿福)、保险需求 (导向蚂蚁保) 等。有报道估算，这一导流模式的年化引流收入可达 358 亿元。

图 4 · 商业模式流转: 免费 AI 健康服务驱动阿里系生态变现闭环

行业商业模式对比

竞争格局: AI 健康咨询赛道

AI 健康咨询已成为大模型应用的热门赛道。千问凭借 1.65 亿月活和 NMPA 数据授权占据先发优势，但竞争对手各有壁垒，远未形成赢家通吃的格局。

图 5 · AI 健康咨询赛道横向对比: 用户规模 × 医疗深度 × 数据壁垒 × 商业闭环

主要竞争者分析

千问的差异化优势

与其他竞争者相比，千问的差异化体现在三个方面: 第一，用户规模最大，1.65 亿月活远超任何垂直健康 APP; 第二，NMPA 数据授权具有独占性，短期内其他平台难以复制; 第三，多模态能力使「拍照问健康」成为独特功能点。但千问的短板同样明显 — 它缺乏蚂蚁阿福的医生资源网络和京东健康的药品供应链。

监管环境与合规优势

医疗 AI 的监管环境正在快速收紧。在这个背景下，千问与国家药监局的合作不仅是数据优势，更是一种合规护城河。

政策里程碑

合规优势的实质

千问与药监局的合作带来两层合规优势。第一层是数据合规 — 接入官方数据源意味着千问给出的药品信息具有官方背书，大幅降低了因信息错误引发的法律风险。第二层是监管关系 — 作为药监局信息中心的首个 AI 合作伙伴，千问在后续政策制定和行业标准制定中可能获得更多话语权。

行业合规边界

当前 AI 健康咨询领域最大的监管灰色地带在于「健康建议」与「医疗诊断」的边界。千问的策略是将自身严格定位为「健康参考」，避免使用「诊断」「处方」等医疗术语。这一策略虽然保守，但在监管趋严的环境下反而成为优势 — 相比那些模糊边界的竞争对手，千问的合规风险更低。

核心启示与展望

千问健康的案例揭示了 AI 健康咨询赛道三个值得深思的趋势，也为行业参与者提供了可参照的战略路径。

启示一: 权威数据将取代参数规模成为竞争焦点

大模型的能力差距正在缩小 — 各家通用模型在文本生成上的表现趋于同质化。在这种背景下，千问接入 NMPA 数据的举措表明，差异化竞争的焦点正在从「模型有多强」转向「数据有多权威」。谁的 AI 能给出经过官方验证的信息，谁就能赢得用户信任。

启示二: 免费 + 生态导流不等于可持续

千问当前的免费策略有效推动了用户增长，但变现完全依赖生态导流。一旦监管要求 AI 建议与商业推荐脱钩，或阿里系内部资源分配发生变化，这一模式将面临挑战。长期来看，千问可能需要探索更直接的变现路径，例如增值服务或 B 端合作。

启示三: 多模态是健康 AI 的下一个战场

「拍照问健康」的升级证明，健康 AI 的竞争正在从「文字对话」向「视觉理解」延伸。谁能更好地处理医学图像、体检报告、药品包装等视觉信息，谁就能覆盖更多健康场景。这也解释了千问为何在 Qwen-VL 上持续投入。

展望

• 数据合作扩展: 预计千问将继续接入更多政府数据源，如国家卫健委、医保局等，进一步扩大权威数据覆盖
• 垂直化深入: 在保持通用入口优势的同时，千问可能与更多专科医疗机构合作，提升特定病种的咨询深度
• 商业化探索: 免费策略短期内不会改变，但 B 端合作 (为药企、保险公司提供数据服务) 可能成为新的收入方向
• 监管协同: 作为药监局 AI 合作的标杆案例，千问有机会参与行业标准制定，将先发优势制度化